論文の概要: Match Point AI: A Novel AI Framework for Evaluating Data-Driven Tennis Strategies
- arxiv url: http://arxiv.org/abs/2408.05960v1
- Date: Mon, 12 Aug 2024 07:22:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-13 13:35:58.289163
- Title: Match Point AI: A Novel AI Framework for Evaluating Data-Driven Tennis Strategies
- Title（参考訳）: Match Point AI - データ駆動テニス戦略を評価するための新しいAIフレームワーク
- Authors: Carlo Nübel, Alexander Dockhorn, Sanaz Mostaghim,
- Abstract要約: テニスマッチシミュレーション環境のtextitMatch Point AI について述べる。
最初の実験では、シミュレートされたテニスの試合で生成されたショット・バイ・ショットのデータは、実世界のデータと比較して現実的な特徴を示している。
同時に、現実のテニスの試合で見られるものと類似した、合理的なショット配置戦略が出現する。
- 参考スコア（独自算出の注目度）: 46.1232919707345
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many works in the domain of artificial intelligence in games focus on board or video games due to the ease of reimplementing their mechanics. Decision-making problems in real-world sports share many similarities to such domains. Nevertheless, not many frameworks on sports games exist. In this paper, we present the tennis match simulation environment \textit{Match Point AI}, in which different agents can compete against real-world data-driven bot strategies. Next to presenting the framework, we highlight its capabilities by illustrating, how MCTS can be used in Match Point AI to optimize the shot direction selection problem in tennis. While the framework will be extended in the future, first experiments already reveal that generated shot-by-shot data of simulated tennis matches show realistic characteristics when compared to real-world data. At the same time, reasonable shot placement strategies emerge, which share similarities to the ones found in real-world tennis matches.
- Abstract（参考訳）: ゲームにおける人工知能の分野における多くの研究は、彼らのメカニックを再実装することが容易であるため、ボードゲームやビデオゲームに焦点を当てている。
実世界のスポーツにおける意思決定問題は、そのような領域と多くの類似点を共有している。
しかし、スポーツゲームに関する枠組みはほとんど存在しない。
本稿では,実世界のデータ駆動型ボット戦略に対抗できる,テニスマッチシミュレーション環境 \textit{Match Point AI} を提案する。
フレームワークの発表の次は、MCTSがテニスにおけるショット方向選択問題を最適化するために、マッチポイントAIでどのように使用できるかを説明することで、その能力を強調する。
このフレームワークは将来的に拡張されるが、最初の実験では、シミュレーションされたテニスの試合で生成されたショット・バイ・ショットのデータが、実世界のデータと比較して現実的な特徴を示していることが明らかになった。
同時に、現実のテニスの試合で見られるものと類似した、合理的なショット配置戦略が出現する。
関連論文リスト
- SportsNGEN: Sustained Generation of Realistic Multi-player Sports Gameplay [19.80390059667457]
本稿では,トランスフォーマーデコーダを用いたスポーツシミュレーションエンジンであるSportsNGENについて述べる。
プロテニス追跡データの大規模なデータベースをトレーニングすることにより,SportsNGENが生成したシミュレーションがラリーの結果を予測することができることを示す。
モデル出力サンプリングパラメータはシミュレーションリアリズムに不可欠であり,SportsNGENは確率論的に実データに適合していることを示す。
論文 参考訳（メタデータ） (2024-02-10T01:16:21Z) - Classification of Tennis Actions Using Deep Learning [0.0]
本研究では,深層学習によるテニス行動の分類の可能性と課題について検討する。
テニスデータセットTheTISを用いて,異なる大きさの3つのモデルを訓練し,評価した。
最高のモデルは74 %の一般化精度を達成し、テニスアクション分類に優れた性能を示す。
論文 参考訳（メタデータ） (2024-02-04T15:48:20Z) - All by Myself: Learning Individualized Competitive Behaviour with a
Contrastive Reinforcement Learning optimization [57.615269148301515]
競争ゲームのシナリオでは、エージェントのセットは、彼らの目標を最大化し、敵の目標を同時に最小化する決定を学習する必要があります。
本稿では,競争ゲームの表現を学習し,特定の相手の戦略をどうマップするか,それらを破壊するかを学習する3つのニューラルネットワーク層からなる新しいモデルを提案する。
我々の実験は、オフライン、オンライン、競争特化モデル、特に同じ対戦相手と複数回対戦した場合に、我々のモデルがより良いパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2023-10-02T08:11:07Z) - Advanced Volleyball Stats for All Levels: Automatic Setting Tactic
Detection and Classification with a Single Camera [15.032833555418314]
バレーボールの試合における戦略分類の設定に特化して設計された2つの新しいエンドツーエンドコンピュータビジョンフレームワークを提案する。
本フレームワークは,ボール軌跡認識と新しいセット軌跡分類器を組み合わせることで,包括的・高度な統計データを生成する。
本システムでは,実時間展開が可能であり,ゲーム内戦略分析やスポット内ゲームプランの調整が可能である。
論文 参考訳（メタデータ） (2023-09-26T08:29:02Z) - Ball Trajectory Inference from Multi-Agent Sports Contexts Using Set
Transformer and Hierarchical Bi-LSTM [18.884300680050316]
本稿では,ボールトラッキングに代わる費用対効果として,選手軌道からの球軌道推定フレームワークを提案する。
実験の結果,本モデルでは,自然かつ正確な軌道と,許容可能な球の保持を同時に行うことができることがわかった。
提案するフレームワークの実用的応用には,トラジェクティブ・インプットの欠如,半自動パスアノテーション,マッチブロードキャストのための自動ズームイン,保持可能な性能指標の算出などがある。
論文 参考訳（メタデータ） (2023-06-14T02:19:59Z) - On games and simulators as a platform for development of artificial
intelligence for command and control [46.33784995107226]
ゲームやシミュレータは、複雑なマルチエージェント、マルチプレイヤー、不完全な情報シナリオを実行する上で価値のあるプラットフォームである。
StarCraft IIのようなリアルタイム戦略ゲームにおける人工知能アルゴリズムの成功もまた、軍事研究コミュニティの注目を集めている。
論文 参考訳（メタデータ） (2021-10-21T17:39:58Z) - Deep Latent Competition: Learning to Race Using Visual Control Policies
in Latent Space [63.57289340402389]
Deep Latent Competition (DLC) は、想像力の自己プレイを通じて、競合する視覚制御ポリシーを学ぶ強化学習アルゴリズムである。
想像すると、セルフプレイは現実世界でコストのかかるサンプル生成を削減し、潜在表現は観測次元で計画を優雅にスケールできる。
論文 参考訳（メタデータ） (2021-02-19T09:00:29Z) - Game Plan: What AI can do for Football, and What Football can do for AI [83.79507996785838]
予測的および規範的フットボール分析は、統計学習、ゲーム理論、コンピュータビジョンの交差点における新たな発展と進歩を必要とする。
フットボール分析は、サッカー自体のゲームを変えるだけでなく、この領域がAIの分野で何を意味するのかという観点からも、非常に価値の高いゲームチェンジャーであることを示す。
論文 参考訳（メタデータ） (2020-11-18T10:26:02Z) - Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。
対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。
我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
論文 参考訳（メタデータ） (2020-07-10T09:33:05Z) - Enhanced Rolling Horizon Evolution Algorithm with Opponent Model
Learning: Results for the Fighting Game AI Competition [9.75720700239984]
本稿では,RHEA(Rolling Horizon Evolution Algorithm)と対向モデル学習を組み合わせた新しいアルゴリズムを提案する。
2019年の競争で上位5つのボットのうち、モンテカルロツリーサーチ(MCTS)を使用しないボットは、ポリシーグラディエントベースの対戦モデルによるボットのみである。
論文 参考訳（メタデータ） (2020-03-31T04:44:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。